谁不想了解自己？
前段时间好友给我一个链接：测试 “你的身体里住着谁” ，看看你的灵魂、心理和行为都和哪个明星或者人物相似。
诸如此类的测试层出不穷，多数人看到后的反应都是参与测一测吧，一方面会觉得好玩，更多的还是好奇，人总是对自己充满好奇，期待无止境的探索；
认识自己，了解自己，对自我成长非常重要；
如何选择一个靠谱的工具帮你提高自我认知呢？
那么我就要说说工具的信效度了。
什么是信度？
信度(Reliability)——对应的就是是否靠谱，学术的说法，在统计和心理测量学中的信度是说测评工具的整体一致性。高度可靠的分数是精确、可重复的，并且从一个测试场合到另一个测试场合一致。也就是说，如果测试过程重复测量一组被测，获得基本上相同的结果。
为方便大家理解信度，我们用画画来打比方。例如：老虎 – 被测对象；画家 – 测评工具；作品 – 测评结果。
心理测量的可靠性关系包括测量的准确性、精确性、一致性和无错误性。各种可靠性系数（值介于 0.00（很多错误）和 1.00（无错误）之间，通常用于指示分数中的误差量，记住越高越好。
美国劳工部专门有一个指南（见表1），帮助企业选择测评工具。
什么是效度？
效度（Validity）对应的就是是否有效，具体来讲效度是指所测量到的结果反映所想要考察内容的程度，测量结果与要考察的内容越吻合，则效度越高；反之，则效度越低。效度分为三种类型：内容效度、准则效度和建构效度。
还是以画画来打比方，
回过头来，我们看信度和效度的关系会发现。信度是效度的必要条件，但不是充分条件。一个测量的效度要高，其信度必须高；而一个测量的信度高时，效度并不一定高。
两大类性格测评工具——
类型论、特质论的特点
目前市场上有的性格测试工具基本分两大类，类型论和特质论；
类型论，就是先把人分成几种类型，根据测试把你放进某个类型，类型论的工具比较流行的有九型人格、MBTI、DISC、HBDI等等；12星座看性格算不算？这个虽然不是测试工具，但也是把人按照12个星座归类，和类型论有相似的味道。
类型论的——
好处是易于理解，迅速将人归类，从而记住对方身上的一系列特点，而正是因为归类
缺点就是容易用类型往被测试者身上贴标签，忽视了被测试者实际的丰富性
特质论的工具例如HOGAN, 大五人格测试，Lumina Spark。涉及到自我探索，自我发展的课题，每个个体都是不一样的，自然是特质论的工具会来得更可靠一些。
记得刚才那个画画的比方吗？如果我们要知道对象是猫是虎，类型论很好用；如果我们要知道对方是个什么样的老虎，有什么优势以及可能的发展障碍，适不适合成为虎，用特质论会更可靠和有效。
以Lumina Spark为例
看测评工具的信效度
既然认真了，那就选一款靠谱又有效的工具吧，从自己裸辞出来创业起，在性格测试工具上我就选了Lumina Learning 旗下的Lumina Spark， 为什么？信效度是其中一个重要原因，当然还有其他原因，请参考我前一篇文章：【认证师约稿】工作20年余，我决定裸辞。对我而言，既然作为一名专业教练和咨询师，如果客户需要用工具提升自我认知，我一定会推荐可靠和有效的工具。
简单说一下Lumina Learning——
Lumina Learning由英国商业心理学会(ABP)董事Stewart Desson博士在2009年创立。以“大五”理论为基础，借助荣格理论的视角，结合积极心理学和成长型思维等最新的心理学研究成果，创新人才发展与识别的解决方案。在经历了10多年的持续迭代后，逐步形成了现在由Spark，Sales，Leader，Emotion，Select 和Team组成的从个人潜质识别，领导力提升，人才选拔到团队协作的6重立体解决方案。
其中性格特质的测评工具Lumina Spark研究了人的24个特质， 以及24个特质在3种不同面貌下的倾向；这三个不同面貌是潜在自我、日常自我和过度自我；Lumina Spark也是第一个能够研究24个特质在3种人格面貌下的样子的性格测试工具；
我们一起了解一下Lumina Spark的信度，也就是可靠性：记得吗，通常是0-1之间，越靠近1的分值说明工具越可靠，美国劳工部的数据说〉0.9就已经是优秀了，看下图，我不用说了。
再来看看效度，前面说了效度中包含了内容效度、准则效度和建构效度，其中建构和内容效度很重要：
建构效度(construct validity)是用于多重指标的测量情况。此类效度也有两个次类型：
聚合效度(convergent validity)：当测量同一构念的多重指标彼此间聚合或有关连时，就有此种效度存在。
区别效度(discriminant validity)：此种效度也称之为分歧效度(divergent validity)，与聚合效度相反。指不存在相关性。
建构效度最关心的问题是：测量工具(量表)实际测量的是哪些特征?在评价建构效度时，调研人员要试图解释"量表为什么有效"这一理论问题以及考虑从这一理论问题中能得出什么推论。建构效度要求对每个特征的测量背后有足够的理论支持，并且这些被测量的特征之间应该有合理的关系。
内容效度，也就是内容对不对，方法是跟经典的（被证明已经是有效的测量，比如大五人格测试等）内容做比较；
这里我们拿Lumina Spark与大五来做聚合效度测量，大家可以看到下表的很多数字的肩膀上有**，这一符号说明了Lumina Spark与大五在这一维度上的显著一致性；
太多术语了？看的有些累？坦白说，我在写这篇文章时也查阅了很多统计学说明，再翻阅Lumina Learning总部有关信效度的长篇资料；
总之，我想说，如果想找一个靠谱的工具提升自我认知，启动自我发展，绽放美丽人生的话，记得Lumina Spark，可信有效，有料有范的工具。
